La Chine a débuté l’année 2026 avec une avancée remarquée dans le domaine de l’informatique scientifique : Tianqiong, un système que ses promoteurs présentent comme un superordinateur 3D. Son objectif précis : briser les goulets d’étranglement de la simulation — notamment en dynamique moléculaire, chimie computationnelle et science des matériaux — sans nécessairement jouer dans la même cour que les superordinateurs généralistes conçus pour exceller dans les benchmarks universels.
Ce projet est lié à Shanghai Silang Technology (思朗科技), une entreprise fondée en 2016 qui défend depuis plusieurs années que le principal frein de l’informatique scientifique moderne n’est pas toujours le nombre de FLOPS, mais plutôt la distance (physique et logique) entre calcul, mémoire et communications internes. En d’autres termes, déplacer des données coûte du temps et de l’énergie, et dans certaines simulations, cela devient la véritable limite à la performance.
Que signifie “3D” dans Tianqiong (et que cela ne signifie pas)
Le terme “3D” peut prêter à confusion. Il ne concerne ni les graphismes, ni le rendu, ni simplement la modélisation en trois dimensions. Il ne s’agit pas non plus de “empiler de la mémoire” à la manière de la HBM. La communication publique transmet plutôt une autre idée : organiser le système selon une topologie spatiale tridimensionnelle, afin de réduire les parcours et latences internes dans des charges où l’échange de données constitue la principale contrainte de temps.
Cette approche est cruciale pour les simulations scientifiques impliquant une forte interaction entre particules ou molécules, où le coût des allers-retours vers la mémoire et la coordination entre unités de calcul peut annihiler tout avantage de l’augmentation du nombre de cœurs, de la fréquence ou même des GPUs.
MaPU : une architecture conçue pour des patrons mathématiques spécifiques
Au cœur de cette démarche se trouve MaPU, une architecture propre orientée vers les opérations algébriques et capable d’exécuter avec une grande efficacité des motifs computationnels récurrents en simulation scientifique. Selon les informations divulguées en Chine, cette conception vise à trouver un compromis : programmable, mais avec un design moins “pensé pour tout” que celui d’une CPU classique, pour éviter les inefficacités lorsque le problème est très spécifique.
Pratiquement, Tianqiong est présenté comme un système capable de améliorer significativement la performance pour des tâches ciblées, sans chercher à être “le meilleur pour tout”. La communication publique insiste notamment sur le fait que la performance dépend du domaine d’application : là où l’architecture s’adapte au problème, le gain est considérable ; en dehors, la comparaison perd de son sens.
Performance : de “plus rapide” à “ordres de grandeur” — mais dans des cas précis
Un des faits le plus relayés en Chine est que, pour certaines simulations 3D, Tianqiong aurait réalisé des améliorations de de 2 à 4 ordres de grandeur par rapport à des approches traditionnelles (le mot-clé étant “dans des tâches spécifiques”). On cite aussi des chiffres indicatifs pour la capacité de simulation en dynamique moléculaire (microsecondes de simulation par jour), un domaine où des acteurs renommés comme Anton de D. E. Shaw Research sont déjà reconnus pour leur spécialisation : ces superordinateurs sont conçus spécifiquement pour la dynamique moléculaire et accélèrent considérablement ce type de charges par rapport aux plates-formes plus généralistes.
La référence à Anton sert donc d’illustration : des machines spécialisées dans un domaine particulier où le gain de performance pour le cas d’usage précis peut être immense, tandis que l’approche généraliste montre ses limites à cause du coût de la gestion continue des données et de la synchronisation interne.
De prototype à déploiement : 2022, 2023… et une visibilité accrue en 2025–2026
Selon le calendrier publié, le premier prototype opérationnel aurait été prêt en 2022. Par la suite, des avancées vers des déploiements en conditions réelles auraient été réalisées. En 2023, la mise en service d’un centre de calcul 3D à Xiaogan (Hubei) est évoquée, comme étape pour fournir cette capacité à des équipes de recherche et entreprises, avec pour ambition d’en faire un pôle de services pour la simulation scientifique avancée.
Ce détail est important : l’histoire de Tianqiong ne se limite pas à un “laboratoire secret” ou une simple démonstration. Il s’agit d’une infrastructure qui cherche des utilisateurs et des cas concrets. La clé réside dans la création d’un écosystème logiciel, d’outils et de méthodologies autour de MaPU et sa topologie, pour que cette solution dépasse le stade de la curiosité technologique et devienne un choix stratégique durable.
Pourquoi cela a une portée au-delà de la Chine : le virage vers la supercalculacion spécialisée
La tendance de fond est claire : le secteur s’oriente vers une bifurcation.
- HPC/IA généraliste, impulsé par les GPUs, avec des interconnexions rapides, une mémoire à large bande passante et des racks “enchaînés” pour l’entraînement et l’inférence massifs.
- HPC scientifique spécialisé, où l’objectif n’est pas de grimper dans un classement, mais d’optimiser le rapport science/vat /euro dans un domaine précis mais critique : matériaux, médicaments, chimie, biologie structurale, etc.
Dans cette optique, Tianqiong s’inscrit dans la seconde voie. Dans un contexte de restrictions technologiques, de tensions géopolitiques et de course à l’autonomie en semi-conducteurs, cette démarche envoie aussi un message industriel : si l’on ne peut (ou ne souhaite) pas rivaliser dans une course à la puissance brute classique, on peut changer d’architecture pour être compétitif.
Le vrai défi : logiciel, adoption et “transfert technologique”
Ce qui est le plus décisif — et le moins glamour — n’est pas tant le hardware que le logiciel : chaînes d’outils, bibliothèques, portabilité, validation scientifique, reproductibilité, et surtout, la capacité pour un laboratoire à faire migrer ses méthodes sans “briser” ses résultats.
Dans la pharma et la science des matériaux, une transition de plateforme ne se limite pas à “compiler et lancer” : il faut calibrer, valider, comparer avec la littérature existante, et gérer des risques opérationnels. Si Tianqiong veut s’imposer comme infrastructure courante, le projet devra démontrer plus que la vitesse : cohérence, traçabilité et facilité d’adoption.
Questions fréquentes
Quels types de recherches sont les plus avantageux avec un superordinateur 3D comme Tianqiong ?
Surtout la dynamique moléculaire, la chimie computationnelle et la science des matériaux, où la gestion intensive de données et la synchronisation interne sont souvent des goulots d’étranglement.
En quoi un système spécialisé diffère-t-il d’un superordinateur classique doté de CPU et GPU ?
Au lieu de maximiser la performance “moyenne” pour une multitude de charges, il cherche à optimiser des motifs précis (opérations et communications internes) pour un ensemble réduit de problèmes, où l’efficacité est décuplée.
Tianqiong peut-il rivaliser avec des infrastructures GPU dédiées à l’IA générative ?
Ce n’est pas son objectif principal. Son positionnement est orienté vers les simulations scientifiques. Pour l’IA générative, l’écosystème logiciel et l’économie d’échelle des GPUs sont généralement des facteurs prépondérants.
Pourquoi citer Anton comme référence en dynamique moléculaire ?
Parce que Anton est un exemple emblématique de supercalcul dédié à un seul domaine (la dynamique moléculaire) avec des avantages considérables dans ce secteur par rapport aux plates-formes généralistes.
